Python中统一浮点数：如何让运算后舍入的浮点数严格相等

首先得说清楚核心问题：二进制浮点数的存储天生就有精度误差，比如我们熟悉的0.1在二进制里是无限循环的小数，所以即使看起来是相同的十进制数，不同计算路径得到的浮点数可能在二进制底层有细微差异，导致==判断返回False。你的原函数还存在一个小问题：用int(x)是直接截断小数，不是常规的四舍五入，这也会导致结果不符合预期。

下面给你几种可靠的解决方案，按精确性和易用性排序：

方案1：用decimal.Decimal精确处理十进制小数 #

这是最靠谱的方法，因为Decimal类型是基于十进制的精确表示，完全避开二进制浮点数的精度陷阱，舍入后的结果可以严格相等，完美适配字典键的需求。

示例代码：

from decimal import Decimal, getcontext

def round_precise(num, n):
    # 设置足够的计算精度，避免中间运算丢失信息
    getcontext().prec = n + 2
    # 量化到n位小数，ROUND_HALF_UP是标准四舍五入规则
    return Decimal(num).quantize(Decimal(f"1.{'0'*n}"), rounding="ROUND_HALF_UP")

# 测试验证
a = round_precise(0.1 + 0.2, 1)
b = round_precise(0.3, 1)
print(a == b)  # 输出True
my_dict = {a: "test value"}
print(my_dict[b])  # 可以正常取出值

方案2：转换为固定格式的字符串作为键 #

把浮点数格式化为指定小数位数的字符串，确保相同值的字符串表示完全一致，用字符串作为字典键。这种方法简单直观，不需要额外导入模块。

示例代码：

def round_to_str(num, n):
    # 格式化到n位小数，自动处理四舍五入
    return "{:.{}f}".format(num, n)

# 测试验证
a = round_to_str(0.1 + 0.2, 1)
b = round_to_str(0.3, 1)
print(a == b)  # 输出True，结果都是"0.3"
my_dict = {a: "test value"}
print(my_dict[b])  # 正常获取值

注意：要保持格式化规则统一，比如不要混合使用"{:.2f}"和"{:.2g}"，避免出现"0.30"和"0.3"这种看似相同但实际不等的字符串。

方案3：用整数存储舍入后的等效值 #

把舍入到n位小数的数转换为整数（比如乘以10^n后取整），用这个整数作为字典键，完全避开浮点数的精度问题，性能也很好。

示例代码：

def round_to_int_key(num, n):
    scale = 10 ** n
    # 先四舍五入再转整数，保证结果符合预期
    return int(round(num * scale))

# 测试验证
a = round_to_int_key(0.1 + 0.2, 1)
b = round_to_int_key(0.3, 1)
print(a == b)  # 输出True，结果都是3
my_dict = {a: "test value"}
print(my_dict[b])  # 正常获取值

为什么你的原函数效果不好？ #

你的原函数用int(x)直接截断小数，比如1.9会被处理成1.0，而不是预期的2.0；另外，即使改成四舍五入，浮点数运算的误差还是会导致问题：比如0.29999999999999998（这是0.3的近似浮点数）乘以10后是2.9999999999999996，直接转int会得到2，而正确的四舍五入应该是3。用round(x)可以缓解这个问题，但极端情况下还是会有浮点数精度隐患。

内容的提问来源于stack exchange，提问作者user4813927